基于带野值的SVDD的高光谱图像异常检测

基于支持向量数据描述(SVDD)的高光谱图像异常检测算法常常会因为背景样本中混入异常像元(野值)而导致检测概率下降.针对此问题,提出一种基于带野值的支持向量描述的检测算法,引入原点和少量已检测出来的异常像元作为异常样本,以改善算法对异常和背景数据的描述能力;同时为抑制错误样本的影响,将异常和背景样本偏离背景样本均值的距离映射作为各样本的加权系数.结果表明,新算法在低虚警概率下较之SVDD模型有更高的检测概率.利用真实数据进行实验证明了算法的有效性.     

数据驱动工业异常值检测与容错模型研究

针对工业过程控制数据异常时,控制系统无法实现闭环稳定可靠工作的问题,提出一种基于KNN算法和Ridge回归算法结合对异常数据高精度恢复,并设计实现控制系统容错运行的数据驱动模型。首先利用基于径向基核函数的支持向量回归机(RBF-SVR)观测器对目标变量状态进行异常检测,其次使用Ridge算法对异常数据点的K个最近邻工况数据进行回归运算,从而恢复异常点数据,最后通过容错切换机制实现控制数据异常时系统容错运行。使用电厂历史数据验证方法的有效性并与其他数据恢复方法进行对比。结果表明,使用该文所提方法对异常数据的恢复值与实际原始值之间的MAPE仅为2.4789%,与RBF-SVR软测量模型相比回归准确度提高6.209%,恢复的数据能够可靠应用于系统容错控制运行中。     

机器学习分布式网络传输异常数据智能检测方法

对于链路状态数据库的网络传输异常数据检测存在检测数据不完整、较为敏感、检测效率差的问题,提出基于机器学习的分布式网络传输异常数据智能检测方法,通过K最近邻分簇算法对分布式网络节点实施分簇,利用贝叶斯分类算法检测簇头是否出现异常;确定异常簇后,选取小波阈值降噪方法对异常簇内数据进行降噪处理,在此基础上,采用遗传算法检测降噪处理后异常簇内的异常数据,通过群体内最佳个体与最差个体的适应度函数值的差值同既定阈值的比较结果得到最终异常数据。经实验证明,所提方法检测异常数据的平均时间为8.48 s,检测结果与实际结果相似性较高,且检测性能较为稳定,说明该方法具有较高的异常数据检测性能。     

过程控制异常值的在线检测方法研究

提出了一种改进输入形式的径向基网络RBFN与自回归隐马尔可夫模型ARHMM相结合的异常数据检测方法,并通过引入核空间概念,用以解决过程工业中大量过程数据要求在线异常检测问题。该方法利用改进的RBF网络在核空间内预测待检测数据值,并根据核空间内的预测值与实际值偏差的大小,利用核ARHMM检测数据异常情况。改进的RBF网络能够方便地引入遗忘因子以及惩罚因子,从而增加算法的鲁棒性,提高检测的准确性。采用核ARHMM检测算法可以直接对数据异常情况作出准确判断,从而避免事先确定检测阈值的问题。通过实验与应用证明了该算法的实用性,与AR模型检测方法比较,该方法更适合于过程数据的异常检测问题。     

基于支持向量机的能耗数据预测模型研究

本文提出了一种基于最小二乘支持向量机的能耗数据预测方法,通过将此算法应用于某企业实时采集的能耗数据,将得出的预测结果与实时采集数据进行对照,验证了算法的正确性.该方法通过对能耗数据的预测,可以填补因各种原因导致的数据采集缺口,消除实时数据展示的异常,支撑后续的数据分析,为企业用户提供了数据参考.     

监护信息系统中异常值的识别和处理方法

提出了一种监护信息系统中异常值分析处理方法,以提高模型辨识的准确性.应用Hampel滤波器算法,识别监护数据中异常值出现的位置;并采用最小二乘支持向量机回归模型,基于递推预报的方法,对于出现异常值的数据点进行数据重构,实现监护信息系统中出现异常值分析处理.通过应用PhysioNet生物医学信号研究资源中的三组数据集:心率、中心静脉压以及血氧饱和度,进行实验研究,结果表明此方法在对监护数据异常值进行分析和处理中取得了很好的效果.     

基于视觉感知的鱼群运动行为特征参数提取

针对如何利用生物监测技术提高异常水质识别率的问题,对生物水质评价因子进行了研究,提出了改进的鱼群重心算法。在此算法的基础上引入新的鱼群运动行为特征参数即鱼群离散度、曲率、邻近特征,并对这些特征参数进行预处理,建立水质异常评价因子数据集,最后将评价因子输入支持向量机(SVM)进行水质异常识别。实验结果表明,引入的特征参数用于水质异常评价中,识别效果明显优于其它方法,识别率达到92%以上。     

基于改进差分克里金的分布式光纤异常数据修复模型

分布式光纤监测过程中异常值的识别和丢失信号的修复是数据处理的重要环节.本文提出一种基于改进差分克里金的分布式光纤异常数据修复模型(KWSDE)用于解决分布式光纤异常传感数据问题.首先建立了光纤传感数据特征的求解模块,接着针对噪声信号提出了基于滑动窗口的加权平均差分降噪模块,然后构建基于自适应控制参数和加权最小二乘法的改进差分克里金修复模块,并给出了算法的具体实施步骤.最后为了验证所提模型的可行性,本文设计了分布式光纤的冲击实验分析其适用性.结果表明,在满足分布式光纤监测系统的数据特征前提下,本文所提出的修复模型的平均预测精度R2达到了0.9486,证明了其工程应用价值.     

基于小波降噪算法的动态测试系统

针对目前陀螺导航装备缺乏动态性能测试方法的状况,本文提出并实现了车载动态性能测试系统.并根据航向数据非连续变化的特点,提出了基于周期平移的小波阈值降噪算法.该算法通过对信号的分段周期平移、阈值降噪、逆平移的方法实现降噪,有效地克服了常规小波阈值降噪算法带来的Pseudo-Gibbs现象.仿真及实测数据表明采用该算法能够在有效剔除异常点、消除噪声的同时,消除降噪信号中的Pseudo-Gibbs现象.跑车实验表明车载动态性能测试系统为陀螺导航设备提供了有效的解决方案和统一的测试平台.     

基于小波分析的电力负荷数据研究

本文针对电力负荷短期预测问题,首先对原始异常数据进行小波多尺度分解,找出信号突变点,其次对模极大值点处小波分解系数进行重建,然后对异常数据进行修正,最后利用BP神经网络算法求得预测日电力负荷数据。     

基于统计的网络流量模型及异常流量发现

基于从网络流量的大小和流量曲线的形状两个方面的研究,建立了一种基于统计的网络流量模型,提出了计算正常情况网络流量曲线的算法.通过对比正常网络流量曲线和异常网络流量曲线之间的差距,实现了对异常数据流的自动检测.实验表明,该模型不仅可以模拟与网络实测数据相似的网络流量,而且具有一定的异常流量发现能力.     

基于高维随机矩阵特征值之差的滚动轴承状态异常检测算法

针对滚动轴承异常检测准确性差、精度低及数据维度灾难造成检测困难等问题,提出一种基于随机矩阵特征值之差指标的滚动轴承状态异常检测算法.运用平移时间窗对不同时刻的轴承信息锁定,并通过分段、随机化、扩增和维度重构等方法构造出高维随机特征矩阵;利用随机矩阵理论对高维数据良好的处理能力,给出了滚动轴承特征值之差指标的构造方法及动...     

基于BSO-BPNN模型的电能计量装置异常诊断方法研究

电网运维人员主要根据用电信息采集系统采集到的巡检数据对电能计量装置进行人工异常检测。针对人工诊断存在的漏报、误报、判断标准不一、准确度低等问题,文章提出一种天牛须搜索算法(beetle antennae search)和粒子群算法(particle swarm optimization)结合的天牛群算法(beetle swarm optimization),并将其用于优化BP神经网络(back propagation neural network)电能计量装置异常诊断模型。文章利用天牛群算法迭代寻优BP神经网络权阈值,根据诊断准确率对天牛群算法优化性能进行评价,并和粒子群优化的BP神经网络模型诊断结果进行对比。实验分析表明,天牛群算法优化的BP神经网络模型对于电能计量装置的异常诊断具有更高的准确度以及稳定性。     

基于大数据的配电网线损定位与评估方法研究

针对当前配电网输电线路损耗异常无法溯源且定位难的问题,基于计量自动化系统采集的数据,通过对站、线、变、户基础数据的治理,采用自动最优聚类算法对用户用电行为分类,采用随机森林建立各类线损之间的关联关系模型,构建配电网线路损耗和台区损耗分析与定位方法,并开发基于线损异常精确定位的计量自动化运维平台。通过对贵州省某供电局辖区2 516个用户的数据进行分析和实验验证,该文所提出的线损分析与定位方法能对配电网线损异常进行溯源和精确定位。     

改进决策的带异常样本1-SVM算法及应用

针对正常类样本多、异常类样本缺乏问题,基于异常样本加入能提高分类能力及分类精度考虑,提出改进决策的带异常样本1-SVM算法,并用于机械设备异常状态检测。用两类样本同时训练1-SVM模型可改善1-SVM算法对异常样本的描述能力;通过调整决策边界提高1-SVM算法的分类精度。柴油机气阀机构故障检测实验结果表明,该算法对正常类及故障类样本的识别率均高于标准1-SVM算法及带异常样本的1-SVM算法。     

基于稀疏自动编码器的飞参数据异常检测

为了改善人工判读飞参数据效率低且易出现误判和漏判的不良状况,本文提出一种基于稀疏自动编码器(Sparse auto-encoder,SAE)的飞参数据异常检测方法。首先构建了SAE的基本框架,然后以滑动窗口的形式生成训练样本。其次,用正常样本并结合BP算法对整个网络模型进行训练和优化以得到相应的正常样本重构误差分布阈值。最后,根据测试样本的重构误差对飞参数据中的典型异常进行检测。实验证明,该方法可在样本不平衡的情况下,仅利用正常样本构建参数空间,并得到正常样本重构误差分布门限,准确检测出飞参数据中的异常,实现飞参数据机器判读。     

稳健稀疏反褶积方法研究

地震勘探数字信号处理领域中一个重要而基本的方法是地震信号的反褶积方法.在地震数据的采集过程中往往会遇到异常点的干扰,这种干扰严重影响了利用反褶积方法对真实反射系数与地震子波的重构效果.本文在Canadas等人提出的针对高斯噪声的贝叶斯反褶积数学框架的基础之上,提出一种能够克服异常点干扰的稳健稀疏反褶积方法.新方法针对具有重尾分布的异常点噪声与稀疏的反射系数建模,并使用交替迭代与线性规划的算法求解.最后,通过实验证明该方法在克服异常点噪声的基础上,能实现对地震子波与反射系数的同步估计,所得到的估计有效地消除了重尾分布异常点噪声的影响,提高了地震信号反褶积处理的精度.这也能证明所提算法是收敛的,并且模型是有效的.     

三维编织复合材料健康监测数据异常诊断研究

分析了三维编织复合材料试件结构健康监测技术现状,提出了碳纳米管在三维编织复合材料试件健康监测的应用方法.基于滑动窗口,提出了一种数据流异常检测的算法,对数据进行分析和损伤状态判定.结果说明碳纳米管应用于三维编织复合材料整体结构监控是可行的.该算法计算结果与实际损伤具有很好的吻合性.为内置碳纳米管传感器应用于复合材料制件的实时健康监测提供一种新的综合和分布式技术.     

视频监控中的快速异常检测与分析

异常检测是视频监控中目标识别与跟踪的基础。本文提出了一种快速异常检测与分析算法,主要进行了有条件背景替换的检测,并采用分块的方法进行视频分析。同时提出了视频异常检测算法的评价准则,构造了检测标准视频序列。最后给出了实验结果。     

基于光谱解混的选择性波段子集高光谱异常检测

由于高光谱图像具有高阶性和背景分布特性复杂的特点,这使得现有的算法在解决异常检测问题时存在一些不足。通过分析高光谱图像的光谱特性和空间特性,基于统计学习理论,利用光谱解混技术和子空间划分方法,提出了基于光谱解混的选择性波段子集高光谱图像异常检测算法。该算法首先利用光谱解混技术提取出对背景分布特性有严重影响的端元光谱,由此降低背景干扰突出异常目标信息;在此基础上,利用子空间划分方法将整个波段空间划分为大小不等的多个子空间,并在每个子空间内利用非高斯程度度量准则提取出富含异常目标信息的特征波段;最后,采用KRX算法作为异常检测算子完成异常目标检测。利用真实的高光谱图像对提出的算法进行实验验证,结果表明该算法是有效和合理的,具有良好的异常检测性能。